AI Engineer (Commerce)

📍직무 인터뷰만 봐도 100만원, 함께할 팀을 직접 만나보고 결정하세요!
- 10월 8일(목)부터 25일(금)에 지원하시는 분들에게만 해당되는 특별 전형이에요. 합격 여부와 상관없이 직무 인터뷰에 참여하시면 100만원을 받아요. (제세공과금 본인 부담)
- 총 7개의 직군, 40여개의 포지션에서 채용을 진행하고 있어요. (https://toss.im/career/event/ai-ml-data-2026)
- 지원하신 포지션보다 더 잘 맞는 포지션이 있다면 저희가 먼저 제안드려요. 다른 직무로 변경하여 인터뷰를 진행하셔도 100만원은 동일하게 지급돼요.

# 합류하게 될 팀에 대해 알려드려요
- Commerce AI Team은 AI로 상품 정보를 이해하고 연결해, 토스쇼핑에서 고객이 원하는 상품을 발견하고 선택할 수 있도록 돕는 팀이에요.
- 상품의 카테고리와 브랜드를 파악하고, 같은 상품을 연결하고, 구매에 필요한 속성과 옵션을 구조화해요. 이렇게 만든 상품 데이터는 추천과 검색, 상품 탐색, 콘텐츠, 운영 자동화의 기반이 돼요.
- 다양하고 불완전한 상품 정보에서 신뢰할 수 있는 데이터를 만드는 문제를 풀어요. 모델의 정확도를 높이는 것부터 상품 정보를 표현하는 구조와 오류를 발견하는 방식까지 함께 설계해요.
- 문제에 가장 적합한 해법을 선택해요. LLM과 멀티모달 모델로 새로운 가능성을 검증하고, 전통적인 머신러닝과 룰 기반 시스템을 조합해 실제 운영 환경에서 안정적이고 효율적으로 작동하는 시스템을 만들어요.

# 합류하면 함께 할 업무예요
- 상품을 이해하고 연결해 추천과 검색의 기반을 만들어요. 텍스트와 이미지에서 카테고리, 브랜드, 구매옵션과 상품의 다양한 속성을 추출하고, 동일 상품을 식별해 연결해요. 추천, 검색 팀과 협업해 상품의 의미와 특성을 담은 피처와 임베딩을 설계해요.
- 상품 데이터의 품질과 운영 효율을 높여요. 상품 검수와 오류 탐지를 자동화하고, 사람의 검수 결과가 시스템 개선으로 이어지는 구조를 설계해요. LLM, 경량 모델, 룰을 적절히 조합해 정확도와 처리 속도, 비용을 함께 개선해요.
- 상품 탐색과 선택을 돕는 AI 활용을 확장해요. 상품명과 콘텐츠 타이틀 생성, 리뷰 요약 등을 통해 고객에게 유용한 정보를 제공해요. 검색 품질 운영 조직과 협업해 검색 사전과 관련도 평가용 골든셋에 활용할 후보 데이터를 생성해요.
- 문제 정의부터 서비스 적용과 개선까지 주도해요. 커머스의 다양한 팀과 성공 지표를 정하고, 실험과 정량 평가로 효과를 검증해요. 운영 데이터를 바탕으로 개선을 반복하며 새로운 AI 적용 기회를 발굴해요.

# 이런 분과 함께하고 싶어요
- AI/ML 기술로 실제 문제를 해결해 본 경험이 필요해요. LLM이나 멀티모달 모델을 활용해 분류, 정보 추출, 엔티티 매칭 등의 문제를 다루고, PyTorch나 Hugging Face Transformers 등으로 모델을 개발하거나 추론과 평가 파이프라인을 구축해 본 분을 찾고 있어요.
- 문제와 운영 환경에 맞는 기술을 선택할 수 있는 분을 찾고 있어요. 프롬프트 설계, 구조화된 출력(Structured Output), 파인튜닝, 임베딩 등을 활용하고, 전통적인 머신러닝과 룰을 조합해 품질과 속도, 비용을 개선한 경험이 있으면 좋아요.
- 데이터와 평가를 통해 품질을 개선할 수 있는 분을 찾고 있어요. 골든셋 구축, Precision과 Recall 기반 평가, 오류 분석으로 개선 방향을 도출할 수 있는 분이면 좋아요. 데이터 모델링이나 Human-in-the-loop를 활용해 데이터 품질과 검수 체계를 발전시킨 경험도 환영해요.
- 문제 정의부터 서비스 적용까지 주도하는 분과 함께하고 싶어요. 다양한 직군과 성공 지표를 정의하고, 확장성과 유지보수성을 고려해 시스템을 설계할 수 있는 분이면 좋아요. 상품 카탈로그, 추천과 검색을 위한 피처 추출, 검색 관련도(Relevance) 평가, 생성 콘텐츠의 사실성 검증 등 관련 경험이 있다면 더 좋아요.

# 이력서는 이렇게 작성하시는 걸 추천해요
- 사용한 모델이나 도구를 나열하기보다, 어떤 문제를 해결했고 사용자 경험이나 운영 방식에 어떤 변화를 만들었는지 보여주세요.
- 문제의 규모와 제약 조건, 본인의 역할을 함께 설명해 주세요. 데이터의 특성, 처리량, 품질 기준, 비용 등의 맥락이 있으면 경험을 이해하는 데 도움이 돼요.
- 모델이나 룰, 시스템 구조를 선택한 이유와 검토했던 대안, 의사결정의 근거를 구체적으로 적어주세요.
- 평가 데이터를 어떻게 구성했고, 어떤 오류를 발견해 어떻게 개선했는지 설명해 주세요. 정확도뿐 아니라 검수량, 처리 시간, 비용 등에서 만든 변화도 좋아요.
- 서비스 적용 이후 운영과 개선까지 이어간 경험, 다른 직군과 협업하며 문제 정의나 해결 방향에 기여한 경험이 있다면 함께 소개해 주세요.

# 토스로의 합류여정
- 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
- 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

# 함께할 동료를 위한 한마디
> "AI로 복잡한 문제를 해결하는 건 시작일 뿐이에요.
우리가 진짜 집중하는 건, 문제 그 자체를 다시 바라보고 더 좋은 방향으로 바꾸는 일이에요."
- 단순히 정제된 데이터를 모델에 넣는 게 아니라, 아직 정의되지 않은 문제를 어떻게 기술적으로 풀 수 있을지 고민하는 일이 더 많아요.
- 매번 "이걸 꼭 모델링으로 풀어야 할까?"부터 시작해서, 가장 임팩트 있는 접근이 무엇일지 문제 자체를 다시 바라보는 과정이 있어요.
- 서비스팀이나 운영팀이 수동으로 하던 일에 AI를 붙이는 데 그치지 않고, AI가 중심이 되는 새로운 흐름을 먼저 설계할 수 있어요.